O aprendizado profundo é um subcampo do aprendizado de máquina, que (em geral) é uma tecnologia inspirada no cérebro humano e em suas funções. Introduzido pela primeira vez na década de 1950, o aprendizado de máquina é cumulativamente informado pelo que é conhecido como rede neural artificial, uma infinidade de nós de dados interconectados que coletivamente formam a base da inteligência artificial. (Para o básico do aprendizado de máquina, consulte Machine Learning 101.)
O aprendizado de máquina permite essencialmente que os programas de computador se alterem quando solicitados por dados ou programação externos. Por natureza, é capaz de fazer isso sem interação humana. Ele compartilha funcionalidade semelhante com a mineração de dados, mas com resultados extraídos a serem processados por máquinas e não por humanos. É dividido em duas categorias principais: aprendizado supervisionado e não supervisionado.
O aprendizado de máquina supervisionado envolve a inferência de operações predeterminadas por meio de dados de treinamento rotulados. Em outras palavras, os resultados supervisionados são previamente conhecidos pelo programador (humano), mas o sistema que infere os resultados é treinado para "aprendê-los". O aprendizado de máquina não supervisionado, por outro lado, extrai inferências de dados de entrada não rotulados, geralmente como um meio de detectar padrões desconhecidos.